用途：为 agent 消费的文档提供写作参考，适用于创建或编辑 skill，以及修改 AGENTS.md、CLAUDE.md 或由指针可达的文档。打包方式不同，但写作杠杆相同，目标是让 agent 每次执行走同一流程，而非产出同一结果。若所写文档是 skill，需阅读 SKILL-MECHANICS.md 了解 frontmatter、调用方式选择与 router skills。
上下文指针：指针是留在 agent 上下文中的引用，命名上下文外材料并编码触达条件。skill 的 description 是其一，AGENTS.md 中命名某文档的一行同理。决定 agent 何时触达的是指针措辞而非目标本身。指针承担两件事：说明材料是什么，列出应触发触达的分支。常驻指针每个词每轮都付费，需比正文更狠地修剪：前置 leading word；每个分支一个触发；合并同义分支；删去正文已承载的身份信息。
两种负载：上下文负载是常驻材料在 agent 窗口中的成本；认知负载是人的成本，即存在哪些文档、何时触达，人是索引，不必最小化，应花在人类判断重要处。仅靠指针触达的材料可避开上下文负载，代价是指针那一行；无指针材料完全走认知负载。
信息层级：文档由 steps（有序动作）与 reference（按需查阅的定义、规则、事实）构成。层级为：文件内 step、文件内 reference、经指针披露的 reference。披露过少则顶部臃肿，过多则藏起真正需要的材料。渐进披露是把材料移出主文件、放到指针之后，以保护层级，不只是省 token。分支是披露最干净的测试：所有分支都需要的内联，仅部分分支触达的推到指针后。共置决定同一层级中什么相邻，应把概念的定义、规则与注意事项放在同一标题下。蔓延是失败模式：文档单纯过长，即使每行都有效，注意力也会稀释，解法是层级与按分支或序列拆分。
步骤与完成标准：每个 step 以完成标准结束，即告诉 agent 工作结束的条件。清晰度决定 agent 能否区分完成与未完成，模糊边界会诱发过早完成；应先磨锐边界，只有边界不可约且观察到赶工，才通过真实上下文边界（交接或子代理派发）隐藏后续步骤。要求度决定标准多严格，如“所有修改过的模型都已计入”比“产出一份变更列表”更强制。最强标准同时可检查且穷尽。
拆分时机：拆成两份会消耗两种负载之一，只有收益抵得上才拆。按序列拆分，可避免后续步骤诱使 agent 赶工当前步骤；注意反向风险，合并序列会暴露后续步骤。按调用拆分属 skill 专有，见 SKILL-MECHANICS.md。
Leading words：leading word 是模型预训练中已有的紧凑概念，作为 token 重复而非短语，累积分布式定义并锚定行为区域。自造词需清晰定义，但无法招募先验，优先用已有词。它在正文中锚定执行，在指针中锚定调用。可借它重构：把三处拼写的三元组、用一句话比划的指针，收拢为单个 token。否定是相邻失败模式：以禁止驱动会把被禁行为拖入上下文，应正面提示目标行为；禁令仅作无法正面表述的硬护栏，并搭配正面目标。
精简：每个含义保持单一事实来源，重复会带来维护与 token 成本并抬高其层级地位。环境本身也是事实来源，文档复述环境即缓存，只缓存 agent 无法直接查到的东西。逐行检查相关性，避免沉积层。逐句排查 no-op：模型默认已遵守的指令只付费不改变行为，测试是相对模型而非读者；句子失败就整句删除。该测试也用于分级 leading word，太弱无法改变默认的词是 no-op，应换更强词。
限制：资料未提供该技能的安装命令、收费、平台与具体使用步骤。